本研究提出了MedSegFactory框架，旨在解决医学图像和分割掩膜生成中的数据稀缺问题。该框架结合双流扩散模型和交叉注意机制，生成高质量的图像-掩膜配对，显著提高了一致性和可靠性。实验结果显示，MedSegFactory在2D和3D分割任务中表现优越，提升了医学成像的效率和准确性。

本研究提出了一种新模型，结合iTransformer和LSTM，解决光伏发电预测中目标变量与协变量的复杂关系及时间动态交互问题。该模型通过交叉注意机制融合特征，显著提高了预测准确性，尤其在季节变化中表现优异。

OVFormer是一种新型开放词汇框架，结合大型语言模型和交叉注意机制，提升视频动作分类和定位效果。通过两阶段训练策略，能够推广到新类别。此外，研究提出了自适应递增学习模型和OpenTAL框架，以解决未知动作问题，实验结果验证了其有效性。

本文介绍了一种基于变压器架构的交叉注意机制，用于从LiDAR数据中选择高光谱图像波段。该方法通过直接训练网络，提高了分类准确性，减少了冗余和计算需求。此外，研究提出了多分支高维规范胶囊算法和互连融合框架，进一步提升了多源遥感数据的特征提取和分类性能。

该论文提出了一种新的上下文多模态对齐（CAD）网络，通过引入无参数随机上下文块来确保空间级别上的稳健音频和视觉对齐，提出了一种用于动态音频和视觉对齐的预训练技术，以及引入了交叉注意机制来平衡语义级别上的音频和视觉信息。该 CAD 网络相对于现有方法平均性能提高了 9.4％，并且将该建议添加到现有方法中可以提高其性能，而不需要额外的复杂性要求。